6月2日,科技媒体TheDecoder报道了图灵奖得主理查德·萨顿对普通生成式AI的看法。萨顿认为,这类AI缺少自我评估与持续筛选能力,难以完成真正的科学发现。他指出,尽管大语言模型、图像模型和视频模型能从海量样本中学习并生成相似内容,但它们在输出真正新颖内容时往往超出原有材料,导致所谓的“幻觉”。萨顿用“好的部分不新,新颖的部分不好”来概括这一现状。
萨顿并未否认生成式AI的实用价值,认为其在摘要、研究辅助、助手和娱乐等领域仍有明确价值。但他强调,科学发现不能停留在模仿,而应包含变异、评估、选择性保留三个步骤。他批评AI行业过度依赖更大的语言模型,而更看重能与环境互动、从经验中学习、构建世界模型并规划策略的AI智能体。萨顿列举了AlphaGo、AlphaZero、AlphaFold等案例,这些系统都有超出文本或图像生成的评估闭环,能追踪更优解,而不只是产出候选答案。
